迭代收缩阈值算法matlab,一种基于自适应快速迭代收缩阈值算法的图像处理方法与流程...

本发明属于图像处理领域，尤其涉及一种基于自适应快速迭代收缩阈值算法的图像处理方法。

背景技术：

磁共振(MR)成像是一种安全、快速和准确的图像获取技术。它具有多个方向、参数和模式的优点，对人体亦无害。它能显示人体组织的解剖和功能信息。MR成像具有广泛的应用。然而，MR成像的扫描时间长，扫描速度慢，由于器官运动可能导致图像模糊，无法提供动态的实时图像和导航。所以，MR成像的缺点限制了功能成像的推广并给使用者带来额外的痛苦。

为此，该领域技术人员做了深入研究，并提出了压缩感知理论：在非常低于奈奎斯特采样率时，通过随机采样获得离散信号。在一些已知变换域中，根据信号的稀疏性通过非线性重构算法重建原始信号。

目前，构建一种基于压缩感知的稳定高效的重建算法是非常重要的。重构算法主要包括贪心算法和凸松弛算法。对于低维小规模信号，贪婪跟踪算法快速且质量好，如匹配追踪，正交匹配追踪和正则化正交匹配追踪。但是，对于这种高维度的大规模信号，很难满足重构精度的要求。凸松弛算法在重建中花费的时间更少。经典的凸函数优化算法主要包括共轭梯度，bre gman迭代和迭代重加权最小二乘。

为了提高磁共振图像重建的速度，提出了一种迭代收缩阈值算法和一系列改进的算法。这些方法直接解决了L1最小化问题。Daubechies等人提出了迭代算法(ISTA)，该迭代算法在每次迭代步骤中应用阈值(或非线性收缩)的Landweber迭代来解决线性反问题。BeckA等人提出了一种新颖的迭代收缩阈值算法(FISTA)，该算法保留了ISTA的计算简单性并提高了全局收敛速度。Xiaobo Qu等使用contourlet变换来稀疏表示曲线和边以解决CS-MRI的L1范数优化问题。Bayram I等研究了流行的迭代收缩/阈值算法的子带自适应版本，其针对每个子带采用不同的更新步骤和